下面所有博客是个人对EEG脑电的探索，项目代码是早期版本不完整，需要完整项目代码和资料请私聊。
数据集
1、脑电项目探索和实现(EEG) (上)：研究数据集选取和介绍SEED
相关论文阅读分析：
1、EEG-SEED数据集作者的—基线论文阅读和分析
2、图神经网络EEG论文阅读和分析：《EEG-Based Emotion Recognition Using Regularized Graph Neural Networks》
3、EEG-GNN论文阅读和分析：《EEG Emotion Recognition Using Dynamical Graph Convolutional Neural Networks》
4、论文阅读和分析:Masked Label Prediction: Unified Message Passing Model for Semi-Supervised Classification
5、论文阅读和分析：《DeepGCNs: Can GCNs Go as Deep as CNNs?》
6、论文阅读和分析： “How Attentive are Graph Attention Networks?”
7、论文阅读和分析：Simplifying Graph Convolutional Networks8、论文阅读和分析：LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
9、图神经网络汇总和总结
相关实验和代码实现：
1、
EEG-GNN论文阅读和分析：《EEG Emotion Recognition Using Dynamical Graph Convolutional Neural Networks》
于 2023-01-13 21:19:13 首次发布
该文探讨了使用图卷积神经网络（GCNN）和动态图卷积神经网络（DGCNN）进行EEG情绪识别的方法。通过对EEG数据集的处理和多种图神经网络模型的实验，发现DGCNN在多数情况下能提供更高的识别准确率，尤其是DE特征在5个频段下能达到90.4%的准确率。在受试者无关的LOSO交叉验证中，DGCNN也表现出优越的稳定性和识别性能。
最低0.47元/天 解锁文章
扫一扫
2378
到【灌水乐园】发言
